Fatores como a precarização dos conteúdos de ensino e a desvalorização dos educadores, são preocupações incluídas na pesquisa.  Vian destaca que a expansão do EaD ocorre, em grande medida, por meio da padronização de materiais e conteúdos, distribuídos nacionalmente por plataformas digitais. "Por meio da expansão via EAD, empresas de ensino padronizam materiais e conteúdos, ofertando-os em todos os estados do país e em milhares de cidades por meio de plataformas digitais. Junto aos polos de educação a distância, que são a expressão mais visível da EAD no território, instituições privadas ampliamsignificativamente sua presença e base de alunos no território nacional, com custos reduzidos", analisa. Para o pesquisador, esse modelo está diretamente relacionado aos processos de digitalização e financeirização da educação.

O estudo também discute os impactos desse modelo sobre as condições de ensino e de trabalho docente. Segundo Vian, embora o EaD tenha contribuído para ampliar o acesso ao ensino superior, a modalidade difundida pelo setor privado apresenta, em geral, cursos com avaliações inferiores às dos cursos presenciais. “O trabalho dos professores é diretamente afetado, seja pelo grande número de estudantes em aulas online síncronas, seja pela desvalorização do papel docente em cursos assíncronos, baseados em aulas pré-gravadas e com pouco ou nenhum contato direto com os alunos”, observa.

Por isso estou cada vez mais convencido de que é preciso encontrarmos alavancas complementares à filantropia e ao Estado para acelerar o impacto. E os negócios sociais são um caminho. É aquele projeto social que vira social business - um negócio com propósito, mas também com autonomia financeira. Assim podemos sonhar com um combate à pobreza escalável, capaz de andar com as próprias pernas.

Here’s how pinning a utopian vision for AI on LLMs kicked off the hype cycle that’s causing fears of a bubble today.

A economia brasileira se tornou um mercado de ativos, não um polo de produção

A principal transformação estrutural pode ser sintetizada de forma direta: o Brasil deixou de ser um polo receptor de novos empreendimentos (greenfield) para se tornar, primordialmente, um destino para a compra de ativos já consolidados (fusões e aquisições).

Essa dinâmica está diretamente ligada à guinada liberalizante na economia brasileira a partir de 2015. Programas de privatizações e concessões em larga escala direcionaram o interesse do capital estrangeiro para a aquisição do patrimônio existente — como distribuidoras de energia, refinarias e concessões de transporte —, em vez de estimular a expansão da capacidade produtiva com projetos totalmente novos. A tendência, no entanto, não foi uma linha reta. Dados da PwC mostram que, entre 2018 e 2020, as aquisições nacionais ganharam espaço, refletindo a capacidade de rearticulação do empresariado nacional em um momento de incerteza política que afastou investidores externos.

Ainda assim, a tendência de longo prazo é inequívoca. Como a própria análise dos dados brutos revela, a transformação é estrutural:

…os dados revelam uma transição de longo prazo: o Brasil passou de receptor de novos empreendimentos para mercado de ativos em liquidação.

Essa conclusão expõe a mudança fundamental no papel do Brasil na economia global: de um campo para a construção do futuro para um balcão de negócios do presente.

Shenzhen team completed a working prototype of a EUV machine in early 2025, sources say
The lithography machine, built by former ASML engineers, fills a factory floor, sources say
China's EUV machine is undergoing testing, and has not produced working chips, sources say
Government is targeting 2028 for working chips, but sources say 2030 is more likely

IA no centro da estratégia
A fusão também reforça a aposta das duas empresas em inteligência artificial. Sarrazin destacou que a união deve acelerar o lançamento de produtos baseados em IA, em um mercado que cresce rapidamente.
A Coursera anunciou recentemente integrações com o ecossistema do ChatGPT, da OpenAI, e uma parceria de conteúdo com a Anthropic. Já a Udemy lançou nesta semana uma nova experiência de microaprendizagem com IA, focada em aulas curtas e personalizadas.
Para Greg Hart, CEO da Coursera, a operação posiciona a empresa combinada para atender às novas exigências do mercado de trabalho.
“A IA está redefinindo as habilidades necessárias em todos os setores, e alunos e organizações precisam de plataformas capazes de acompanhar essa mudança”, afirmou.

A survey of 1,600 academics found that more than 50% have used artificial-intelligence tools while peer reviewing manuscripts.

A corrida por uma inteligência artificial “geral” ou “superior” à humana, movida mais por hype e protagonismo no ecossistema de IA do que por ciência sólida, sustenta-se em duas falácias: a de que pensamento é linguagem, e a de que existe uma inteligência única e linearmente escalável

As histórias das invenções costumam começar com seus criadores. No caso da pascalina, o protagonista é Blaise Pascal, uma mente que parece destilar genialidade.

Por isso, resumir Blaise Pascal (1623-1662) é uma tarefa difícil. Ele foi um dos grandes polímatas da história, com contribuições marcantes em matemática, física, filosofia e pensamento religioso.

Hoje em dia, seu nome está presente em conceitos como a pressão de Pascal, uma unidade que homenageia seus estudos sobre gases, e no triângulo de Pascal, um padrão numérico em forma de triângulo que mostra relações surpreendentes entre os números e ajuda a resolver problemas matemáticos.

Também é lembrado pela "aposta de Pascal", um argumento filosófico que sugere ser mais racional acreditar em Deus.

Nos experimentos com pressão e vácuo, demonstrou que o ar exerce força e que o vácuo realmente existe. E, em correspondência com o matemático Pierre de Fermat, estabeleceu os fundamentos da teoria moderna da probabilidade.

Além de intelectual e matemático, Pascal foi escritor brilhante. Seu livro mais famoso, Pensées (Pensamentos, em tradução livre), é considerado uma das obras mais elegantes da literatura francesa.

CRÉDITO,GETTY IMAGES
Legenda da foto,Reprodução histórica digitalmente restaurada de um original do século 19, mostrando Blaise Pascal aos doze anos estudando matemática
E se isso tudo soa muito intelectual, Pascal também dedicou tempo a projetos mais práticos.

Para demonstrar sua famosa Lei de Pascal, criou dispositivos com tubos e êmbolos, a peça que empurra o líquido dentro de um cilindro, antecessores da seringa usada na medicina moderna.

Em Paris, desenvolveu ainda o sistema de carruagens urbanas Carrosses à cinq sols (Carruagens a cinco soldos — moeda antiga de baixo valor), com rotas fixas, tarifas regulares e horários determinados, que começou a operar em 1662, e é considerado por alguns como o embrião do transporte público moderno.

Isso foi duas décadas depois de Pascal criar uma "máquina aritmética" capaz de realizar cálculos com facilidade e sem risco de erro.

Para o pai
Pascal tinha uma relação próxima com o pai, pertencente à nobreza de serviço: um funcionário da administração financeira, mais ligado ao aparato do Estado do que à aristocracia tradicional.

Dele recebeu uma educação extraordinária e pouco convencional. Étienne Pascal era um matemático competente, com ideias pedagógicas adiantadas ao seu tempo, e educou o filho em casa seguindo seus próprios métodos.

Os resultados foram surpreendentes: aos 11 anos, Pascal escreveu um breve tratado sobre os sons de corpos vibrantes; aos 16 anos, publicou um tratado sobre geometria projetiva.

E quando seu pai assumiu o cargo de coletor de impostos na Normandia (França), Pascal, aos 19 anos, inventou algo que o ajudasse na carga contábil.

Nos anos seguintes, foi aprimorando seu projeto, com engrenagens e um corpo de madeira elegante que abrigava um sistema engenhoso.

O maior desafio foi criar um mecanismo para levar os números adiante: a máquina tinha uma roda para as unidades, outra para as dezenas, outra para as centenas, e assim por diante.

Imagine somar manualmente 19 + 11, 9 + 1 = 10, escreve-se 0 e "leva-se 1" para a coluna seguinte. Esse "leva 1" precisava de uma solução mecânica, que Pascal encontrou.

Em 1645, Pascal mostrou a máquina aos seus contemporâneos, e publica o "Aviso necessário para quem tem curiosidade de ver a máquina aritmética e utilizá-la", folheto que servia tanto como manual quanto como divulgação.

No texto, elogia as virtudes da criação e fala diretamente ao leitor: "Você sabia que, ao trabalhar manualmente, é preciso constantemente lembrar ou 'emprestar' números, e quantos erros se cometem ao fazê-lo, a menos que se tenha muita prática, o que cansa a mente rapidamente".

"Esta máquina libera o usuário desse incômodo; basta bom senso, e ela o alivia da limitação da memória."

Pascal garantia que o risco de erro era nulo.

CRÉDITO,GETTY IMAGES
Legenda da foto,Ilustração da "máquina contadora digital" publicada na Enciclopédia de Diderot e d'Alembert. No topo, aparecem duas das rodas de numeração visíveis pelas janelas da estrutura
Para proteger a invenção de falsificações, em 1649 Pascal obteve um privilégio assinado pelo rei da França, Luís 14, que proibia qualquer pessoa de fabricar cópias sob pena de uma grande multa, "de agora em diante e para sempre".

Isso tornou a pascalina a primeira máquina a receber o equivalente a uma patente.

Orgulhoso de sua invenção, enviou uma pascalina à rainha Cristina da Suécia, uma das mulheres mais cultas de seu tempo e por quem ele, como muitos, nutria admiração.

Na carta que acompanhava o presente, escreveu: "Em você reside o poder dispensado pela luz da ciência, e a ciência exaltada pelo brilho da autoridade (...)". E conclui: "Isso, Senhora, é o que me leva a oferecer a Vossa Majestade este presente, ainda que indigno de vossa pessoa."

Nos anos seguintes, Pascal construiu versões diferentes da máquina, nem todas com o mesmo design: havia máquinas decimais para cálculos, máquinas para medir terras e máquinas adaptadas para contabilidade.

Mas a produção artesanal e cara impediu sua distribuição em larga escala.

Ainda assim, como observa o artigo do Le Monde, "seus contemporâneos ficaram deslumbrados. Os eruditos mais destacados se interessaram pelo dispositivo, começando pelo matemático [Gilles de] Roberval".

A pascalina também é a primeira máquina mencionada na Enciclopédia de Diderot e d'Alembert.

E se tornou o protótipo de gerações posteriores de calculadoras, das rodas e cilindros de Leibniz até os aritmômetros do século 19.

Por isso, não surpreende que uma das primeiras linguagens de programação modernas e estruturadas, publicada em 1970 pelo suiço Niklaus Wirth, tenha recebido o nome Pascal, em homenagem àquele feito.

Mas voltemos ao nosso assunto.

Reticências
CRÉDITO,GETTY IMAGES
Legenda da foto,Blaise Pascal (1623–1662) foi uma figura central no nascimento da ciência moderna. Aqui, "Pascal estudando a cicloide" (1785), escultura de Augustin Pajou, Museu do Louvre, Paris, França
O leilão da coleção de Léon Parcé foi realizado com sucesso.

Entre os itens vendidos estavam obras científicas fundamentais, como a 1ª edição (1687, Principia Matemática da Filosofia Natural, em tradução livre) de Philosophiæ Naturalis Principia Mathematica, de Isaac Newton, e Discorsi e dimostrazioni matematiche, intorno a due nuove scienze (1638, Discursos e demonstrações matemáticas sobre duas novas ciências, em tradução livre), a última grande obra de Galileu sobre física e mecânica.

Também mudaram de mãos obras de pensadores como Johannes Kepler, Pierre de Fermat, Michel de Montaigne, Montesquieu e até Miguel de Cervantes.

Tudo refletia a abrangência da coleção erudita.

Mas Parcé era, acima de tudo, um grande admirador de Pascal. Por isso, dedicou décadas a colecionar obras, cartas, instrumentos e primeiras edições relacionadas a essa importante figura francesa.

As peças foram vendidas ao maior lance, mas houve uma grande ausência: horas antes, a Christie's havia confirmado que não levaria adiante o leilão da pascalina.

Os críticos da venda aberta da pascalina não se limitaram a publicar opiniões na imprensa; apresentaram um recurso legal de emergência para impedi-la.

Embora seis das nove pascalinas originais conhecidas estejam em museus franceses, esta — que estava em mãos privadas — "é a única projetada para topografia; funciona com unidades de medida adequadas (braças, pés, polegadas e linhas)".

"É crucial que este objeto, pouco conhecido até agora, exceto por alguns especialistas, faça parte de uma coleção pública, para que possa ser estudado pela comunidade científica internacional e para que o país onde foi criado possua um exemplar completo deste instrumento."

Para avaliar os méritos do protesto, o tribunal administrativo de Paris bloqueou temporariamente uma autorização de exportação concedida pelo ministro da Cultura francês em maio.

O juiz concluiu que havia "sérias dúvidas" sobre a legalidade do certificado, segundo comunicado do tribunal de Paris.

A decisão determinou que a máquina "provavelmente seria classificada como 'tesouro nacional', segundo a definição do código do patrimônio", o que impediria a pascalina de deixar o território francês.

O tribunal acrescentou, porém, que a decisão é provisória até a sentença definitiva.

Assim, ao menos por enquanto, a pascalina em disputa permanece em casa.

A maioria das propostas aprovadas se refere a estudos com abrangência nacional, reunindo levantamentos e pesquisas que buscam compreender as dinâmicas do mundo do trabalho e as demandas econômicas, sociais e educacionais que impactam a oferta de educação profissional técnica de nível médio (EPTNM). As propostas selecionadas abordam temas atuais como sustentabilidade (com enfoque em bioeconomia, energia solar, energia eólica, transformação ecológica), tecnologias da informação e comunicação (TIC), indústria, economia circular e mercado de trabalho. 

As experiências selecionadas comporão um repositório público, a fim de subsidiar políticas do MEC e a definição da oferta dos entes no âmbito do Juros por Educação.  A Secretaria de Educação Profissional e Tecnológica (Setec/MEC) vai divulgar os estudos, metodologias e ferramentas aprovados, que levaram em conta dados econômicos, demográficos, geográficos e de egressos.  

O “superidoso” é uma pessoa que já passou dos 80 anos, mas tem a memória comparável a alguém que tem entre 50 e 69 anos. Alguns representantes desse grupo têm uma capacidade cerebral que impressiona os cientistas.

Uma equipe da Universidade Northwestern, nos Estados Unidos, estudou esses cérebros durante 25 anos.

O Prêmio Nobel de Economia foi concedido este ano e no ano passado a acadêmicos que, de maneiras distintas, enfatizaram a importância das instituições para o crescimento econômico.

Joel Mokyr, um dos laureados de 2025, recorreu a fontes históricas para demonstrar que as sociedades prosperam quando permitem que novas ideias sejam colocadas em prática. Philippe Aghion e Peter Howitt, seus colegas laureados, identificaram o papel da destruição criativa - e das instituições que permitem que novos participantes substituam empresas e tecnologias já estabelecidas - na promoção do crescimento sustentado. Para os laureados de 2024 (Daron Acemoglu, Simon Johnson e James A. Robinson), a chave para a prosperidade econômica reside no Estado de Direito e em instituições facilitadoras.

A economia, de modo geral, já reconheceu essas realidades, especialmente agora que tecnologias emergentes estão transformando a estrutura de produção. Mas há uma estranha desconexão entre esse consenso e o debate atual sobre política econômica, que se concentra principalmente em temas estreitos como os investimentos em infraestrutura de inteligência artificial e impostos corporativos. Quando surgem questões de desenho institucional, elas tendem a ficar restritas a órgãos específicos, como os bancos centrais. Raramente os formuladores de políticas refletem sobre que tipo de ambiente institucional favorece a inovação e a experimentação.

Além disso, não existem definições ou métricas institucionais padronizadas. Estudos de abrangência macroeconômica tendem a recorrer a medidas indiretas que muitos economistas veem com ceticismo, como as pesquisas sobre “confiança nas instituições” ou índices de qualidade institucional. Da mesma forma, a mensuração de ativos intangíveis - como pesquisa e desenvolvimento ou ativos de dados, essenciais tanto para as economias quanto para as empresas - é muito menos desenvolvida do que outras estatísticas econômicas.

Adotar uma perspectiva mais ampla suscita novas questões. Quem seriam hoje os equivalentes dos mecânicos que mexiam com novas tecnologias, apontados por Mokyr como agentes centrais da inovação durante a Revolução Industrial? O que está impedindo que empresas existentes menos produtivas saiam do mercado, algo que Aghion e Howitt identificaram como crucial para o dinamismo econômico? Quais são as versões contemporâneas das corporações (como universidades e guildas) que, segundo Mokyr e seus coautores em “na, 1000-2000Two Paths to Prosperity: Culture ans Institutions in Europe and Chi”, facilitaram o progresso europeu?

Uma forma de os formuladores de políticas responderem a essas questões seria dar uma nova ênfase na política de competição, cuja importância foi ressaltada pelos “milagres de desenvolvimento” do Sul e do Leste da Ásia na segunda metade do século 20. Essas economias construíram bases industriais ao recorrer à concorrência interna ou às exportações para impor disciplina às suas principais indústrias.

Raramente os formuladores de políticas refletem sobre que tipo de ambiente institucional favorece a inovação e a experimentação. Em muitos países, as instituições que sustentam os sistemas de inovação tornaram-se semifossilizadas
Apesar do reconhecimento crescente no meio acadêmico, de que as leis antitruste vêm sendo aplicadas de maneira insuficiente nas economias da Organização para a Cooperação e Desenvolvimento Econômico (OCDE) desde os anos 80, pouca coisa mudou. Uma atuação mais firme exigiria coragem política para enfrentar incumbentes poderosos - e isso parece estar em falta.

Nos EUA, o reforço da fiscalização antitruste sob Lina Khan, presidente da Federal Trade Commission (FTC) no governo de Joe Biden, foi interrompido quando Donald Trump retornou à Casa Branca. A União Europeia, por sua vez, vem hesitando em aplicar todo o peso de sua regulação digital diante das ameaças comerciais do governo Trump e da forte resistência das empresas de tecnologia dos EUA. O Reino Unido apostou suas expectativas de crescimento em atrair investimentos externos de grandes multinacionais, chegando inclusive a enfraquecer a Autoridade de Concorrência e Mercados (CMA, na sigla em inglês).

Em todos os casos, o foco permanece nos detalhes do arcabouço vigente, em detrimento de uma reflexão mais ampla sobre a arquitetura institucional da economia. Em muitos países, as instituições que sustentam os sistemas de inovação tornaram-se semifossilizadas. São elas que determinam a facilidade de criar e encerrar empresas e permitem a experimentação de novos produtos e serviços.

Para citar apenas um exemplo, para muitas empresas europeias é caro demais fracassar. Pesquisas recentes sugerem que altos custos de reestruturação limitam a pesquisa e desenvolvimento e tornam pouco rentáveis os investimentos em startups de tecnologia e biotecnologia. Mas implementar reformas de “flexicurity”, que combinam flexibilidade no mercado de trabalho com fortes proteções sociais, não é uma panaceia. A taxa com que startups surgem e prosperam é uma questão de economia política, dependente do ambiente geral do lugar - o ecossistema empresarial, a parceria entre os setores público e privado, e o compromissos político com o crescimento.

Felizmente, discussões de fôlego começam a ganhar espaço. O relatório do ex-presidente do Banco Central Europeu (BCE) e ex-primeiro-ministro italiano Mario Draghi, sobre o futuro da competitividade europeia, foi um marco importante para a União Europeia ao reconhecer a necessidade de uma renovação ampla das políticas.

Com o sistema multilateral praticamente inoperante, a transição para a energia limpa já em curso e a IA avançando em ritmo vertiginoso, é preciso escancarar a janela de Overton - modelo para entender como as ideias na sociedade mudam ao longo do tempo e influenciam a política - e abrir espaço para novas ideias de política pública em múltiplos domínios. À medida que as populações das economias avançadas se tornam cada vez mais desiludidas com o establishment econômico, as instituições que o sustentam inevitavelmente mudarão. Mas como será essa mudança dependerá do que as autoridades políticas fizerem a seguir.

Resolução determina uso obrigatório do Sistema Nacional de Informações da Educação Profissional e Tecnológica para garantir validade nacional dos diplomas de cursos técnicos de nível médio

Alguma desilusão era inevitável. Quando a OpenAI lançou um aplicativo web gratuito chamado ChatGPT no final de 2022, mudou o rumo de toda uma indústria — e de diversas economias mundiais. Milhões de pessoas começaram a conversar com seus computadores, e seus computadores começaram a responder. Ficamos encantados e esperávamos mais.

Entendemos. As empresas de tecnologia se esforçaram para se manter à frente, lançando produtos concorrentes que se superavam a cada novo lançamento: voz, imagens, vídeo. Com uma competição incessante, as empresas de IA apresentaram cada novo lançamento como um grande avanço, reforçando a crença generalizada de que essa tecnologia continuaria a melhorar. Os entusiastas nos diziam que o progresso era exponencial. Eles publicaram gráficos mostrando o quanto havíamos avançado desde os modelos do ano passado: veja como a linha sobe! A IA generativa parecia capaz de tudo.

Bem, 2025 foi um ano de acerto de contas. 

Esta matéria faz parte do pacote Hype Correction da MIT Technology Review , uma série que redefine as expectativas sobre o que é IA, o que ela possibilita e para onde vamos no futuro.

Anúncio
Para começar, os líderes das principais empresas de IA fizeram promessas que não puderam cumprir. Disseram-nos que a IA generativa substituiria a força de trabalho de escritório, traria uma era de abundância, faria descobertas científicas e ajudaria a encontrar novas curas para doenças. O medo de ficar de fora (FOMO, na sigla em inglês) nas economias do mundo, pelo menos no Norte Global, fez com que os CEOs abandonassem seus planos estratégicos e tentassem entrar em ação.

Foi aí que o brilho começou a desaparecer. Embora a tecnologia tenha sido apresentada como uma ferramenta multifuncional universal capaz de modernizar processos de negócios obsoletos e reduzir custos, diversos estudos publicados este ano sugerem que as empresas não estão conseguindo fazer com que a mágica da IA ​​funcione. Pesquisas e levantamentos de diversas fontes, incluindo o Departamento do Censo dos EUA e a Universidade Stanford, constataram que a adoção de ferramentas de IA pelas empresas está estagnada . E quando as ferramentas são testadas, muitos projetos ficam presos na fase piloto . Sem uma ampla adesão em toda a economia, não está claro como as grandes empresas de IA conseguirão recuperar as quantias exorbitantes que já investiram nessa corrida. 

Ao mesmo tempo, as atualizações da tecnologia central já não representam as mudanças radicais que representavam antigamente.

HISTÓRIA RELACIONADA

O que é IA?
O exemplo mais notório disso foi o lançamento desastroso do GPT-5 em agosto. A OpenAI, empresa que havia iniciado (e em grande parte sustentado) o boom atual, estava prestes a lançar uma nova geração de sua tecnologia. A OpenAI vinha promovendo o GPT-5 há meses: "Especialista em qualquer coisa com nível de doutorado", alardeou o CEO Sam Altman. Em outra ocasião, Altman publicou, sem comentários, uma imagem da Estrela da Morte de Star Wars , que os fãs da OpenAI interpretaram como um símbolo de poder absoluto: Em breve! As expectativas eram enormes.


E, no entanto, quando foi lançado, o GPT-5 parecia ser... mais do mesmo? O que se seguiu foi a maior mudança de paradigma desde o surgimento do ChatGPT, três anos atrás. "A era dos avanços revolucionários acabou", anunciou Yannic Kilcher, pesquisador de IA e YouTuber popular, em um vídeo publicado dois dias após o lançamento do GPT-5: "A Inteligência Artificial Geral (IAG) não está chegando. Parece que estamos na era dos Sistemas de Aprendizagem Baseados em Aprendizado (LLMs) da Samsung Galaxy."

Muita gente (eu inclusive) já fez essa analogia com os celulares. Por cerca de uma década, os smartphones foram a tecnologia de consumo mais empolgante do mundo. Hoje, os novos produtos da Apple ou da Samsung chegam ao mercado sem muita divulgação. Enquanto os superfãs se debruçam sobre pequenas melhorias, para a maioria das pessoas, o iPhone deste ano parece e funciona muito parecido com o do ano passado. Será que estamos chegando a esse ponto com a IA generativa? E isso é um problema? É claro que os smartphones se tornaram o novo normal. Mas eles também mudaram a forma como o mundo funciona.

Para sermos claros, os últimos anos foram repletos de momentos genuinamente impressionantes, desde os saltos extraordinários na qualidade dos modelos de geração de vídeo até a capacidade de resolução de problemas dos chamados modelos de raciocínio, passando pelas vitórias em competições de nível mundial dos mais recentes modelos de codificação e matemática . Mas essa tecnologia notável tem apenas alguns anos e, em muitos aspectos, ainda é experimental . Seus sucessos vêm acompanhados de grandes ressalvas .

Talvez precisemos reajustar nossas expectativas.

A grande reinicialização
Vamos ter cuidado: o pêndulo entre o hype e o desinteresse pode oscilar demais. Seria precipitado descartar essa tecnologia só porque ela foi superestimada. A reação instintiva quando a IA não corresponde às expectativas é dizer que o progresso estagnou. Mas isso demonstra uma incompreensão de como funcionam a pesquisa e a inovação tecnológica. O progresso sempre avançou aos trancos e barrancos. Há maneiras de superar obstáculos, contorná-los e até mesmo contorná-los.

Vamos dar um passo atrás no lançamento do GPT-5. Ele veio logo após uma série de modelos notáveis ​​que a OpenAI havia lançado nos meses anteriores, incluindo o o1 e o o3 (modelos de raciocínio pioneiros que introduziram um paradigma totalmente novo na indústria) e o Sora 2, que elevou o padrão para geração de vídeo mais uma vez. Isso não me parece um obstáculo intransponível.

Anúncio
A inteligência artificial é realmente incrível! Veja o Nano Banana Pro, o novo modelo de geração de imagens do Google DeepMind que consegue transformar um capítulo de livro em um infográfico, e muito mais. Está ali, de graça, no seu celular.

E, no entanto, é inevitável se perguntar: quando o fator "uau" desaparece, o que resta? Como veremos essa tecnologia daqui a um ano ou cinco anos? Acharemos que valeu a pena os custos colossais , tanto financeiros quanto ambientais? 

Com isso em mente, aqui estão quatro maneiras de pensar sobre o estado da IA ​​no final de 2025: O início de uma correção de expectativas muito necessária.

01: Mestrados em Direito não são tudo
De certa forma, é o hype em torno de grandes modelos de linguagem, e não a IA como um todo, que precisa ser corrigido. Tornou-se óbvio que os modelos de linguagem de grande escala não são a porta de entrada para a inteligência artificial geral (IAG), uma tecnologia hipotética que alguns insistem que um dia será capaz de realizar qualquer tarefa (cognitiva) que um humano possa fazer.


Até mesmo um entusiasta da Inteligência Artificial Geral (IAG) como Ilya Sutskever, cientista-chefe e cofundador da startup de IA Safe Superintelligence e ex-cientista-chefe e cofundador da OpenAI, agora destaca as limitações dos Modelos de Aprendizagem por Aprendizado (LLMs), uma tecnologia na qual ele teve um papel fundamental na criação . Os LLMs são muito bons em aprender a executar diversas tarefas específicas, mas parecem não aprender os princípios por trás dessas tarefas, disse Sutskever em uma entrevista com Dwarkesh Patel em novembro.

É a diferença entre aprender a resolver mil problemas diferentes de álgebra e aprender a resolver qualquer problema de álgebra. "O que eu acho mais fundamental é que esses modelos, de alguma forma, generalizam muito pior do que as pessoas", disse Sutskever.

HISTÓRIA RELACIONADA

Como a Inteligência Artificial Geral (AGI) se tornou a teoria da conspiração mais importante de nossa época.
É fácil imaginar que os LLMs (máquinas de leitura automática) possam fazer qualquer coisa, pois seu uso da linguagem é extremamente convincente. É impressionante a precisão com que essa tecnologia consegue imitar a forma como as pessoas escrevem e falam. E estamos programados para enxergar inteligência em coisas que se comportam de certas maneiras — independentemente de ela existir ou não. Em outras palavras, construímos máquinas com comportamento semelhante ao humano e não conseguimos resistir à tentação de ver uma mente humana por trás delas.

É compreensível. Os mestrados em direito (LLMs) fazem parte da vida cotidiana há apenas alguns anos. Mas, nesse período, os profissionais de marketing se aproveitaram da nossa percepção ainda incerta sobre o que a tecnologia realmente pode fazer, elevando as expectativas e alimentando ainda mais o hype. À medida que convivemos com essa tecnologia e a compreendemos melhor, essas expectativas devem voltar à realidade.  

0 2 : A IA não é uma solução rápida para todos os seus problemas.
Em julho, pesquisadores do MIT publicaram um estudo que se tornou um ponto central de discussão entre os desiludidos. O resultado principal foi que impressionantes 95% das empresas que tentaram usar IA não encontraram nenhum valor nela.  

A ideia geral dessa afirmação também foi corroborada por outras pesquisas. Em novembro, um estudo realizado por pesquisadores da Upwork, empresa que administra um mercado online para freelancers, descobriu que agentes que utilizavam as principais ferramentas de aprendizado de máquina (LLMs) da OpenAI, Google DeepMind e Anthropic não conseguiam concluir muitas tarefas simples do ambiente de trabalho de forma autônoma.

Anúncio
Isso está muito longe da previsão de Altman: "Acreditamos que, em 2025, poderemos ver os primeiros agentes de IA 'entrando no mercado de trabalho' e mudando materialmente a produção das empresas", escreveu ele em seu blog pessoal em janeiro.

Mas o que passa despercebido nesse estudo do MIT é que a medida de sucesso dos pesquisadores era bastante restrita. Essa taxa de fracasso de 95% inclui empresas que tentaram implementar sistemas de IA personalizados, mas que ainda não os haviam escalado além da fase piloto após seis meses. Não deveria ser surpresa que muitos experimentos com tecnologia experimental não deem certo de imediato.

Esse número também não inclui o uso de LLMs por funcionários fora dos projetos-piloto oficiais. Os pesquisadores do MIT descobriram que cerca de 90% das empresas pesquisadas possuíam uma espécie de economia paralela de IA, na qual os funcionários utilizavam contas pessoais de chatbots. No entanto, o valor dessa economia paralela não foi mensurado.  

Quando o estudo da Upwork analisou o desempenho de agentes na execução de tarefas em conjunto com pessoas que sabiam o que estavam fazendo, as taxas de sucesso aumentaram consideravelmente. A conclusão parece ser que muitas pessoas estão descobrindo por si mesmas como a IA pode ajudá-las em seus trabalhos.


Isso coincide com algo que o pesquisador e influenciador de IA (e criador do termo "codificação de vibração") Andrej Karpathy observou : os chatbots são melhores que o ser humano médio em muitas coisas diferentes (pense em dar aconselhamento jurídico, corrigir bugs, fazer matemática do ensino médio), mas não são melhores que um humano especialista. Karpathy sugere que esse pode ser o motivo pelo qual os chatbots se mostraram populares entre os consumidores individuais, ajudando pessoas sem conhecimento especializado com perguntas e tarefas do dia a dia, mas não revolucionaram a economia, o que exigiria que superassem funcionários qualificados em seus trabalhos.

Isso pode mudar. Por enquanto, não se surpreenda se a IA ainda não tiver tido o impacto nos empregos que seus defensores previram. A IA não é uma solução rápida e não pode substituir os humanos. Mas há muito em jogo. As formas como a IA pode ser integrada aos fluxos de trabalho diários e aos processos de negócios ainda estão sendo testadas.   

0 3: Estamos numa bolha? (Se sim, que tipo de bolha?)
Se a inteligência artificial é uma bolha, ela se assemelha à bolha dos empréstimos subprime de 2008 ou à bolha da internet de 2000? Porque há uma grande diferença.

A bolha dos subprimes dizimou grande parte da economia, pois, ao estourar, não deixou nada além de dívidas e imóveis supervalorizados. A bolha das empresas ponto-com levou à falência muitas empresas, o que reverberou pelo mundo todo, mas deixou para trás a internet em seus primórdios — uma rede internacional de cabos e algumas startups, como Google e Amazon, que se tornaram os gigantes da tecnologia de hoje.  

Por outro lado, talvez estejamos em uma bolha diferente de qualquer uma dessas. Afinal, não existe um modelo de negócios real para os LLMs atualmente. Ainda não sabemos qual será o aplicativo revolucionário, ou mesmo se haverá um. 

Muitos economistas estão preocupados com as quantias sem precedentes de dinheiro investidas na infraestrutura necessária para construir capacidade e atender à demanda projetada. Mas e se essa demanda não se concretizar? Some-se a isso a estranha circularidade de muitos desses acordos — com a Nvidia pagando à OpenAI para que esta pague à Nvidia, e assim por diante — e não é surpresa que cada um tenha uma visão diferente sobre o que está por vir. 

Anúncio
Alguns investidores permanecem otimistas. Em uma entrevista ao podcast Technology Business Programming Network em novembro, Glenn Hutchins, cofundador da Silver Lake Partners, uma importante empresa internacional de private equity, apresentou alguns motivos para não haver preocupação. "Cada um desses data centers — quase todos eles — tem uma contraparte solvente contratada para absorver toda a produção para a qual foram construídos", disse ele. Em outras palavras, não se trata de "construa e eles virão" — os clientes já estão garantidos. 

E, como ele destacou, uma das maiores contrapartes solventes é a Microsoft. "A Microsoft tem a melhor classificação de crédito do mundo", disse Hutchins. "Se você fechar um acordo com a Microsoft para receber os dados do seu data center, a Satya é uma ótima opção."

Muitos CEOs vão olhar para trás, para a bolha da internet, e tentar aprender com ela. Uma maneira de ver isso é a seguinte: as empresas que faliram naquela época não tinham dinheiro suficiente para se manterem até o fim. Aquelas que sobreviveram ao estouro prosperaram.

HISTÓRIA RELACIONADA

Estas seis questões irão ditar o futuro da IA ​​generativa.
Com essa lição em mente, as empresas de IA hoje estão tentando financiar seu crescimento em meio ao que pode ou não ser uma bolha. Mantenha-se na corrida; não fique para trás. Mesmo assim, é uma aposta arriscada.


Mas há outra lição também. Empresas que podem parecer insignificantes podem se transformar em unicórnios rapidamente. Veja o caso da Synthesia , que cria ferramentas de geração de avatares para empresas. Nathan Benaich, cofundador da empresa de capital de risco Air Street Capital, admite que, quando ouviu falar da empresa pela primeira vez, alguns anos atrás, quando o medo dos deepfakes era generalizado, não tinha certeza para que servia a tecnologia e achava que não havia mercado para ela.

“Não sabíamos quem pagaria pela sincronização labial e clonagem de voz”, diz ele. “Acontece que muita gente queria pagar por isso.” A Synthesia agora tem cerca de 55.000 clientes corporativos e fatura cerca de US$ 150 milhões por ano. Em outubro, a empresa foi avaliada em US$ 4 bilhões.

04: O ChatGPT não foi o começo, e não será o fim.
O ChatGPT foi o culminar de uma década de progresso em aprendizado profundo, a tecnologia que sustenta toda a IA moderna. As sementes do próprio aprendizado profundo foram plantadas na década de 1980. O campo como um todo remonta pelo menos à década de 1950. Se o progresso for medido nesse contexto, a IA generativa mal começou.

Enquanto isso, a pesquisa está a todo vapor. Há mais submissões de alta qualidade para as principais conferências de IA do mundo do que nunca. Este ano, os organizadores de algumas dessas conferências recorreram à rejeição de artigos que já haviam sido aprovados pelos revisores, apenas para controlar os números. (Ao mesmo tempo, servidores de pré-publicação como o arXiv foram inundados com pesquisas de baixa qualidade geradas por IA .)

“Estamos de volta à era da pesquisa”, disse Sutskever naquela entrevista para Dwarkesh, falando sobre o atual gargalo nos mestrados em direito. Isso não é um retrocesso; é o começo de algo novo.

“Sempre tem muita gente que se empolga demais”, diz Benaich. Mas ele acha que isso tem um lado positivo: a empolgação atrai o dinheiro e o talento necessários para fazer progressos reais. “Sabe, há apenas dois ou três anos, as pessoas que construíam esses modelos eram basicamente nerds da pesquisa que por acaso descobriram algo que funcionava”, diz ele. “Agora, todo mundo que é bom em tecnologia está trabalhando nisso.”

Anúncio
Para onde vamos a partir daqui?
A incessante propaganda não vem apenas de empresas buscando clientes para suas novas tecnologias extremamente caras. Há um grande grupo de pessoas — dentro e fora da indústria — que querem acreditar na promessa de máquinas capazes de ler, escrever e pensar . É um sonho ambicioso que já dura décadas . 

Mas a euforia nunca se sustentou — e isso é bom. Agora temos a oportunidade de redefinir as expectativas e enxergar essa tecnologia pelo que ela realmente é: avaliar suas verdadeiras capacidades, compreender suas falhas e dedicar tempo para aprender a aplicá-la de maneiras valiosas (e benéficas). "Ainda estamos tentando descobrir como induzir certos comportamentos a partir dessa caixa-preta de informações e habilidades incrivelmente complexa", diz Benaich.

Essa correção de expectativas já estava atrasada. Mas saiba que a IA não vai desaparecer. Nós nem sequer entendemos completamente o que construímos até agora, muito menos o que está por vir.

por Will Douglas Heaven

Almost one year after the “DeepSeek moment,” this brief analyzes China’s diverse open-model ecosystem and examines the policy implications of their widespread global diffusion.

“Dei ao Ollie a arma dele, o celular, quando ele tinha 9 anos”, diz Mia, em entrevista ao Estadão, por vídeo, ao lado de Emma. Especialistas afirmam que o suicídio não tem causa única, mas apontam pesquisas que mostram que o uso excessivo do celular e das redes sociais estariam entre os principais fatores associados à piora de transtornos mentais e ideação suicida entre crianças e adolescentes.

Para Rosa, a capacidade dos criadores se manifesta de forma natural, mas também em certos estados patológicos como psicose ou sob o efeito de drogas alucinógenas. Ela nos brinda com diversos exemplos históricos: Nietzsche era viciado em cloral, sedativo à base de clorofórmio; Baudelaire e Balzac, em haxixe; Flaubert e Rimbaud usavam ópio; Jean-Paul Sartre experimentou mescalina e passou anos vendo crustáceos que o perseguiam; Aldous Huxley fascinou-se com o LSD; Scott Fitzgerald, com o álcool —considerado a bebida dos escritores, tanto que, dos nove prêmios Nobel de literatura americanos, cinco foram alcoólatras. Além das drogas, a reclusão absoluta era outra característica marcante. A poeta Emily Dickinson passou a última década de vida trancada em seu quarto, conversando com visitas apenas pela porta ou por uma fresta.

As investigações tiveram início a partir de uma ação policial realizada em outubro de 2024, após denúncia apresentada pelo Conselho Regional de Engenharia e Agronomia do Rio de Janeiro (Crea-RJ). À época, o órgão informou que um indivíduo havia utilizado um diploma falso de bacharel em Engenharia Civil para tentar obter registro profissional.

A avaliação da educação profissional e tecnológica (EPT), desenvolvida pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep), tem como objetivo oferecer subsídios para a construção do Sistema Nacional de Avaliação da Educação Profissional e Tecnológica (Sinaept), composto por cinco dimensões articuladas. O sistema produz informações qualificadas sobre a oferta dos cursos, a permanência dos estudantes, a relação com o mundo do trabalho, o desempenho de concluintes da educação profissional técnica de nível médio e o impacto social da formação profissional. 

Serpro vai desenvolver um modelo próprio de inteligência artificial generativa treinado em português, consolidando seu papel como protagonista na construção de uma soberania digital brasileira. A iniciativa integra o conjunto de ações do Centro de Excelência (CoE) em Ciência de Dados e IA da empresa e foi apresentada durante a Semana de IA do Serpro pelo gerente do CoE, Carlos Rodrigo Fonseca Lima.

“O Serpro está buscando fazer uma parceria no mercado para uma inteligência artificial do modelo LLM treinado em português, que vai ser instanciado dentro do Serpro, com nossa gestão técnica e repasse de conhecimento para a empresa”, explicou o gerente.

O projeto prevê que o modelo seja hospedado e operado na infraestrutura do próprio Serpro, permitindo o treinamento e a criação de novos modelos de linguagem, que podem ser aplicados em qualquer contexto de negócio necessário. “A ideia do Serpro é construir um modelo soberano em português, com gestão e desenvolvimento feitos dentro de casa”, destacou Carlos Rodrigo.